Comparação de desempenhos de regressão logística e redes neurais para prever padrões de excreção de melatonina em ratos expostos a campos magnéticos ELF

Vários estudos foram relatados sobre os bioefeitos da exposição a campos magnéticos; no entanto, nenhum consenso ou diretriz está disponível para projetos experimentais relacionados às condições de exposição ainda. Neste estudo, regressão logística (LR) e redes neurais artificiais (RNAs) foram utilizadas para analisar e prever os padrões de excreção de melatonina em ratos expostos a campos magnéticos de frequência extremamente baixa (ELF-MF). Posteriormente, em um banco de dados contendo 33 experimentos, os desempenhos de LR e RNAs foram comparados por meio de testes de ressubstituição e jackknife. As variáveis ​​preditoras foram parâmetros mais eficazes e incluíram frequência, polarização, duração da exposição e força dos campos magnéticos. Além disso, cinco medidas de desempenho, incluindo precisão, sensibilidade, especificidade, coeficiente de correlação de Matthew (MCC) e porcentagem normalizada, melhor do que aleatório (S) foram usadas para avaliar o desempenho dos modelos. O modelo LR convencional obteve baixo desempenho de predição. No entanto, LR distinguiu a duração dos campos magnéticos como um parâmetro estatisticamente significativo. Além disso, a polarização horizontal de campos magnéticos com o maior coeficiente logit (ou estimativa de parâmetro) com sinal negativo foi considerada o indicador mais forte para projetos experimentais relacionados às condições de exposição. Isso significa que cada experimento com polarização horizontal de campos magnéticos tem uma probabilidade maior de resultar em um padrão de “nível de melatonina não alterado”. Por outro lado, as RNAs, um modelo mais poderoso que não foi introduzido na predição dos padrões de excreção de melatonina em ratos expostos ao ELF-MF, apresentou valores de medida de alto desempenho e maior confiabilidade, principalmente obtendo valor de 0,55 de MCC por meio de testes jackknife. Os resultados obtidos mostraram que tais modelos preditores são promissores e podem desempenhar um papel útil na definição de diretrizes para projetos experimentais relacionados às condições de exposição. Em conclusão, a análise dos dados bioeletromagnéticos pode resultar na descoberta de uma relação entre os campos eletromagnéticos e diferentes processos biológicos.